Forschungsposter aus PDF-Abstract

Referenzen sind verpflichtend, nicht optional

Dieses Skill liefert 6 Referenzdateien sowie zwei ausgearbeitete Beispiele in references/examples/. Lies die passende Referenz vor dem Schritt, der sie benötigt, niemals danach, um deine Arbeit zu überprüfen.

• references/data-integrity.md: Reproduziere das Abstract aus den Quelldaten (Phase 1)
• references/venues.md: Finde und datiere die Regeln der Konferenz; Brand-Kits der Institution (Phasen 0 und 2)
• references/design-rules.md: Lesbarkeitsminimum, Schriftgrößen-System, Layout, Hausstil (Phase 3)
• references/build-and-charts.md: Native Diagramme, der Reparatur-Trigger, python-pptx-Fallstricke (Phase 4)
• references/rendering-qa.md: Rendern, Lesbarkeits- und Überlappungsprüfungen, QR-Codes (Phase 5)
• references/citations.md: Prüfen, formatieren, verlinken (Phase 2)

Ziel

Erstelle ein einreichungsfertiges, markenkonformes wissenschaftliches Poster aus einem PDF-Abstract. Das Ergebnis ist ein bearbeitbares PowerPoint (.pptx) sowie ein PDF und ein Vorschaubild (PNG). Standardmäßig ist alles nativ und bearbeitbar: Text, Abschnittsbänder, Statistik-Kacheln und Diagramme. Die Daten, Zahlen und Zitate sind stets echt und verifiziert; das Design ist aus der Ferne lesbar, luftig und an den Hausstil des Autors angepasst (extrahiert aus einem Referenzposter, sofern vorhanden).

Dieses Skill kodiert einen Workflow, der in der Praxis erprobt wurde. Lies die passende Referenz vor dem Schritt, der sie benötigt, nicht danach, um deine Arbeit zu überprüfen (dann ist der Fehler bereits im Ergebnis). Erfinde die bereits gelösten Teile nicht neu (Diagrammsicherheit, Rendern, Schriftskalierung). Skripte befinden sich in ${CLAUDE_SKILL_DIR}/scripts/; ausgearbeitete Beispiele und tiefgehende Anleitungen in ${CLAUDE_SKILL_DIR}/references/. Zum Rendern wird LibreOffice (plattformunabhängig) oder Microsoft PowerPoint auf macOS verwendet; siehe references/rendering-qa.md.

Voraussetzungen

• Python 3 mit: python-pptx (>= 1.0), matplotlib, pdfplumber, pypdfium2, pillow, pypdf, pymupdf.
• Ein Renderer: LibreOffice (soffice/libreoffice im PATH, jedes Betriebssystem) ODER macOS mit Microsoft PowerPoint. Die Diagramm-Reparaturprüfung (scripts/check_charts.py) benötigt nur Python, auf jedem Betriebssystem.
• Installation: pip install python-pptx matplotlib pdfplumber pypdfium2 pillow pypdf pymupdf (füge qrcode für QR-Codes hinzu, oder verwende scripts/qr.swift auf macOS). Falls pip mit "externally-managed-environment" ablehnt, verwende eine virtuelle Umgebung: python3 -m venv ~/.venvs/poster && ~/.venvs/poster/bin/pip install <gleiche Liste>, führe den Build mit diesem Python aus und übergib PYTHON=~/.venvs/poster/bin/python an render.sh.

Begleitfähigkeiten

Alles, was dieses Skill benötigt, ist gebündelt; Build, Render und Prüfung laufen mit den hiesigen Skripten. Diese optionalen Fähigkeiten verleihen den letzten Schliff. Verwende alle, die installiert sind. Falls eine fehlt, mache ohne weiter und erwähne dem Benutzer einmalig die Einzeiler-Installation; stoppe niemals dafür.

Fähigkeit	Nutzen	Installation (in Claude Code)
Anthropic pptx + pdf (document-skills)	Bearbeiten eines vorhandenen Posters, schwierige PDFs	/plugin marketplace add anthropics/skills, dann /plugin install document-skills@anthropic-agent-skills
frontend-design	Palette, Schriftenpaarung, Layout-Richtung	/plugin install frontend-design@claude-plugins-official
K-Dense citation-management (MIT)	PubMed / DOI-Suche, formatierte Referenzen	Kopiere skills/citation-management von github.com/K-Dense-AI/scientific-agent-skills nach ~/.claude/skills/
K-Dense scientific-visualization (MIT)	Journal-konforme matplotlib-Abbildungen (Bilddiagramm-Weg)	Gleiches Repository, skills/scientific-visualization

Lasse K-Dense pptx-posters (ein HTML/CSS-Poster-Weg, der um dieselben Anfragen konkurriert) und scientific-writing (Manuskript-Prosa, die die für ein Poster nötigen Aufzählungspunkte verbietet) weg. Zitierprüfungen benötigen keine zusätzliche Fähigkeit: Websuche und Abruf gegen PubMed / Crossref / doi.org erledigen die Aufgabe.

Ausführungskontext

Laufe interaktiv ODER vollständig autonom. Jeder untenstehende Prüfpunkt ist ein AskUserQuestion mit einer deutlich markierten Standardempfehlung, sodass ein autonomer Durchlauf einfach die Standards übernimmt und nennt.

• 🟢 Auto (keine Nachfrage): Eingaben lesen, recherchieren, Hausstil extrahieren, bauen, rendern, Selbst-QA und iterieren, git-init + commit im eigenen Arbeitsverzeichnis des Posters, Zwischendateien aufräumen.
• 🟡 Nachfragen (mit einer Standardempfehlung): Posterabmessungen / Konferenzspezifikation, Autoren + Zugehörigkeit + Logo-Bestätigung, Tonniveau, Zitattiefe, Diagramm-Engine (bearbeitbar-nativ vs. Bilder) und ob die Daten endgültig sind.
• 🔴 Niemals: Zahlen, Ergebnisse oder Zitate erfinden; die berichteten Ergebnisse der Studie verändern; eine Datei überschreiben, die der Benutzer bereits finalisiert hat (immer eine separate Kopie schreiben); eine Datei ausliefern, die den Reparatur-Prompt von PowerPoint auslöst; patientenbezogene Daten aus der Datei des Autors kopieren oder an einen Webdienst senden (lokal lesen, nur Aggregate speichern).

Prinzipien

• Wiederhole den Plan und bestätige vor dem Bau, wenn mit einem Benutzer gearbeitet wird; kombiniere Fragen mit einer Empfehlung, sodass der Workflow auch autonom laufen kann.
• Erkunde und überprüfe, nimm nicht an. Recherchiere mit Websuche und einem Web-Reader; konsultiere aktuelle Bibliotheksdokumentation für jede API vor der Verwendung. Überprüfe jedes Zitat gegen PubMed oder eine DOI.
• Halte es schlank und DRY. Verwende die gebündelten Skripte und Beispiele wieder; passe an, baue nicht neu. Steuere jedes Diagramm und jede Hervorhebung aus einem bearbeitbaren Datenblock, sodass Zahlen an einer Stelle aktualisiert werden.
• Gestalte bewusst: starke visuelle Hierarchie, großzügige Abstände, hoher Kontrast, aus der Ferne lesbare Schrift. Vermeide Neonfarben, starke Verläufe, Glow-Effekte und KI-generierte Bilder. Passe an die Konventionen der Autorenkonferenz an.
• TDD-lite: Bestätige vor dem Bau, dass jeder Diagrammprozentsatz auf die Quellenzahl zurückberechnet wird.
• Selbst-QA auf hohem Niveau, bevor das Ergebnis dem Benutzer gezeigt wird: rendern, ansehen, korrigieren, wiederholen.
• Erfinde niemals Daten oder Zitate und verändere niemals die berichteten Ergebnisse.

Prozess

Phase 0: Aufnahme + Bestätigung

1. Sammle Eingaben: das Abstract-PDF (erforderlich); ein optionales Referenzposter (.pptx) für den Hausstil; optionale Logodateien; aktualisierte Daten.
2. Wiederhole, was du verstanden hast, und bündele dann die Prüfpunkte (ein oder zwei AskUserQuestion-Aufrufe, jede Option mit der Standardempfehlung markiert). Empfohlene Standardeinstellungen in Klammern:
   • Abmessungen / Konferenz: Überprüfe zuerst die ePoster-Spezifikation der Konferenz [Standard]; sonst 16:9 Einzelfolie (48x27 Zoll), was den meisten Bildschirm-ePoster-Viewern entspricht.
   • Autoren, Zugehörigkeiten und Logos: Bestätige mit dem Autor, nicht mit dem Einreichungsblock des Abstracts (dieser ist oft nicht endgültig). Mehrere Institutionen bedeuten mehrere Logos [frage nach].
   • Ton: moderater wissenschaftlicher Schliff [Standard]; Daten und Ergebnisse ändern sich nie.
   • Zitate: 4-6 geprüfte Referenzen mit klickbaren DOIs/URLs [Standard].
   • Diagramm-Engine: bearbeitbare native Diagramme [Standard]; auf Wunsch polierte Bilder.
   • Sind die Daten endgültig oder kommen noch welche? Falls laufend, so bauen, dass Zahlen trivial zu aktualisieren sind (einzelner Datenblock) und den vorläufigen Rahmen beibehalten.
   • Ein Einzelfolien-Poster oder ein Vortragsdeck? "PowerPoint für eine Konferenz" kann beides bedeuten [Poster].
   • Wenn die Datendatei des Autors bereitgestellt wird und vom Abstract abweicht: welche Zahlen kommen auf das Poster [die Analysedatei des Autors verwenden; sonst neu berechnen und reproduzieren, siehe data-integrity.md].
   • Links für QR-Codes (Videos, vollständige Arbeit). Fehlende Links werden als markierte Platzhalter hinterlegt [Standard].
   • Die Upload-Frist: Frage nach der Annahme-E-Mail; eine Frist könnte bereits nah sein.
3. Autonomer Modus: Standards übernehmen, nennen, fortfahren.

Phase 1: Alle Eingaben vollständig lesen

1. Optional Begleitfähigkeiten verwenden, falls die Umgebung sie hat (document/pptx und pdf, dataviz, frontend design, citation management, scientific visualization). Sie sind Erweiterungen; der folgende Workflow ist durch python-pptx, matplotlib und einen Renderer in sich geschlossen.
2. Lies das Abstract vollständig: Text via pdfplumber (python-docx für eine .docx), eine visuelle Darstellung und eine OCR-/Bildprüfung, sodass keine Abbildung übersehen wird. Erfasse den Titel, Autoren, Zugehörigkeiten, jede Zahl und das n/N für jede.
3. Falls der Autor die zugrunde liegenden Daten bereitgestellt hat, lese deren Struktur vor allen Werten, reproduziere dann jede Abbildung im Abstract daraus in einer analysis.py, die diese bestätigt und Aggregate in data.json schreibt. Überprüfe SD vs. SE, gepaarte vs. Gruppenmittelwerte, das eigene n jeder Abbildung, Kategoriebezeichnungen gegen die Originalnotizen und die erste Datenzeile. Siehe references/data-integrity.md.
4. Falls ein Referenzposter bereitgestellt wird, extrahiere dessen Hausstil: Folienformat, Palette (Band- + Akzentfüllungen), Schriften und Größen, Abschnittsleisten-Struktur und das Logo. Rendere es mit bash ${CLAUDE_SKILL_DIR}/scripts/render.sh um es zu sehen. Siehe references/design-rules.md.
5. Bestätige Python-Abhängigkeiten: pip install python-pptx matplotlib pdfplumber pypdfium2 pillow pypdf pymupdf.

Phase 2: Recherche

1. Überprüfe die ePoster-Spezifikation der Konferenz auf den eigenen Seiten der Gesellschaft für dieses Jahr (Seitenverhältnis, Schriften, Medien, Upload-Anbieter, Frist, erforderliche Offenlegungsformulierungen) und datiere sie. Bestätige, auf welche Organisation sich jede Quelle bezieht. Siehe references/venues.md, das auch die Übernahme von Palette, Schriftart und Logo aus dem veröffentlichten Brand-Kit der Institution behandelt.
2. Überprüfe und rufe Zitate ab: echt, PubMed/DOI-geprüft, mit Hyperlinks und Zugriffsdaten; schließe Register- und Grauliteraturquellen ein, die der Autor tatsächlich verwendet, nicht nur Zeitschriften. Siehe references/citations.md. Erfinde niemals ein Zitat.
3. Ziehe bei Bedarf Hintergrundinformationen für die Einleitung heran. Konsultiere aktuelle Bibliotheksdokumentation beim Bau.

Phase 3: Design

1. Lege Hausstil-Token, ein Spaltenraster, klare visuelle Hierarchie, postergerechte Typografie, großzügige Abstände und starken Kontrast fest. Siehe references/design-rules.md.
2. Wähle Diagrammtypen ehrlich: Donut/Torte nur für Teile eines Ganzen; ein Balkendiagramm für unabhängige oder nicht gegenseitig ausschließende Anteile; große Zahlenkacheln für einzelne Werte. Beschrifte jedes Diagramm mit seinem n/N. Siehe references/build-and-charts.md.
3. Definiere einen bearbeitbaren Datenblock, der jedes Diagramm und jede Hervorhebung steuert.

Phase 4: Bau (python-pptx, TDD-lite)

1. Passe references/examples/build_poster_example.py (bearbeitbare native Diagramme) oder references/examples/make_charts_example.py (matplotlib-Bilder) an den Inhalt und Hausstil an.
2. Baue native, bearbeitbare Diagramme AUSSCHLIESSLICH mit PowerPoint-sicherer Gestaltung. Die einzige harte Regel: Setze NIEMALS eine Donut-/Torten-Datenbeschriftungs-POSITION, das ist die Einstellung, die PowerPoint dazu bringt, das Diagramm zu reparieren und zu entfernen. Einzelfüllungen von Segmenten, Legenden, Prozentbeschriftungen, Zahlenformate und Achsenschriften sind alle sicher. Setze den Donut-Prozentsatz in die Legende plus eine große Zahl im Loch. Vollständiges Rezept in references/build-and-charts.md.
3. TDD-lite: Bestätige vor dem Speichern, dass jeder angezeigte Prozentsatz auf die Quellenzahl zurückberechnet wird.
4. Setze Autoren, Zugehörigkeiten und Logos gemäß Phase 0 korrekt ein.
5. Lesbarkeitsprüfung: Setze jede Größe aus einer einzigen Schriftskalen-Tabelle mit einem Minimum (22 pt auf einer 48-Zoll-Folie), setze chart.font.size auf jedem Diagramm und beende den Build, indem ein Fehler ausgegeben wird, wenn eine Größe in der gespeicherten Datei unter dem Minimum liegt (scripts/check_fonts.py). Siehe references/design-rules.md.
6. Bereitschaftsprüfung: Halte die unbestätigten Elemente (Autorenliste, Zugehörigkeit, Offenlegungen, Links) in einer BESTÄTIGT-Liste im Build. Bis alle auf WAHR sind, nenne die Ausgabe ..._DRAFT.pptx, markiere jede Lücke sichtbar auf dem Poster und gib aus, was noch offen ist.

Phase 5: Rendern + Selbst-QA-Schleife

1. Rendere mit bash ${CLAUDE_SKILL_DIR}/scripts/render.sh <pptx> <out.pdf> <out.png> 1.7 (LibreOffice, oder PowerPoint auf macOS) und betrachte dann das PNG.
2. Führe für native Diagramme python3 ${CLAUDE_SKILL_DIR}/scripts/check_charts.py <pptx> aus: es schlägt fehl, wenn ein Donut/Torte eine Datenbeschriftungsposition trägt, die Einstellung, die PowerPoint veranlasst, das Diagramm beim Öffnen zu löschen.
3. Führe scripts/check_fonts.py <pptx> und scripts/check_overlap.py <rendered.pdf> aus, skaliere dann den Render auf 1920x1080 herunter und betrachte die dichtesten Bereiche als 1:1-Ausschnitte. Dekodiere jeden QR-Code aus dem Render. Siehe references/rendering-qa.md.
4. Korrigiere gemäß der Checkliste in references/rendering-qa.md: kein Überlauf oder Beschneidung, große genug Schrift, luftige Abstände, hoher Kontrast, ausgerichtete Spalten, korrekte Zahlen. Iteriere, bis es wirklich gut ist, bevor es dem Benutzer gezeigt wird.

Phase 6: Ausliefern + Git + Aufräumen

1. Schreibe eine SEPARATE, klar benannte Kopie; überschreibe niemals eine Datei, die der Benutzer finalisiert hat.
2. Liefere die .pptx, ein Einreichungs-PDF und ein Vorschaubild PNG aus.
3. Führe git-init im Arbeitsverzeichnis des Posters durch, falls nötig, und committe mit einer klaren Nachricht (zuerst Basisversion, wenn an einem bestehenden Poster iteriert wird, damit die vorherige Version erhalten bleibt).
4. Entferne Zwischen-Renderings und temporäre Dateien; behalte die reproduzierbaren Build-Skripte.

Erfolgskriterien

• Ergebnis ist eine bearbeitbare .pptx plus ein passendes PDF (überprüfte Seitengröße) und Vorschaubild PNG
• Diagramme sind nativ und bearbeitbar (Standard) und überleben das Öffnen in PowerPoint ohne Reparatur-Prompt
• Jeder Prozentsatz berechnet sich auf die Quellenzahl zurück; n/N angezeigt; vorläufiger Rahmen bei laufenden Daten beibehalten
• Zitate sind alle echt und geprüft, mit DOI/URL-Hyperlinks
• Autoren, Zugehörigkeiten und Logos mit dem Benutzer bestätigt
• Jede Abbildung, die das Abstract angibt, wird aus den Quelldaten reproduziert (wenn Daten bereitgestellt wurden)
• Kein Text unter dem Minimum (check_fonts.py), kein überlappender Text (check_overlap.py), lesbar in 1:1-Ausschnitten der 1080p-Ansicht; Abstände sind luftig, Kontrast ist stark, Spalten sind ausgerichtet
• Jeder QR-Code dekodiert aus dem Render genau zu seinem Link; Platzhalter halten die Datei als ENTWURF
• Hausstil entspricht dem Referenzposter, sofern eines bereitgestellt wurde
• Eine separate Kopie wurde geschrieben; die finalisierten Dateien des Benutzers wurden nicht überschrieben